在FPGA实现的近似HLS（High-Level Synthesis）中平衡精度与资源需求：无模型方法与基于模型的方法

《IEEE Access》：Balancing Accuracy and Resources in FPGA Approximate HLS: Model-free vs. Model-based Approaches

　　

摘要：

近似计算（AxC）通过有意降低精度要求来提高能源和资源效率，为基于FPGA的硬件加速器提供了一种有吸引力的折中方案。在近似高级综合（AHLS）中，有效的设计空间探索（DSE）对于识别平衡精度和硬件成本的帕累托最优解至关重要。然而，现有的DSE方法依赖于基于模型的分析估计或无模型评估，每种方法在速度、保真度和可扩展性方面都存在权衡。本文介绍并比较了两种互补的AHLS DSE策略：(i) 一种基于DFG的方法，可以分析误差传播；(ii) 一种输入感知启发式（IAH）方法，该方法使用实际应用行为来评估候选近似方案。这两种方法都利用了一个预先特征化的近似算术组件库，并在HLS之后进行评估，以评估FPGA的资源利用率和精度。在图像处理应用中的实验结果表明，IAH能够识别更广泛且更准确的帕累托前沿，与静态DFG基探索相比，LUT和FF的使用量节省了高达11个百分点，同时保持了在定义阈值内的精度。这些发现表明，无模型指导显著改善了AHLS探索的效果。